今天根据老师的提供的爬虫思路,开发出了爬取中华网新闻的爬虫,并且在下面这几个地方做了调整。
1、分析URL的策略
2、增加了日志记录功能,方便事后查看爬取的过程
3、解决了爬取新闻页面时的分页内容问题
3、输出爬取结果到文件的方式增加了两个功能
(a).输出的内容进行了美化
(b).可以分批次输出文件
下一步可以扩展的功能:
1、多线程方式爬取
2、增加两个模块可以方便的配置URL的解析策略、以及爬取内容数据的解析策略
今天根据老师的提供的爬虫思路,开发出了爬取中华网新闻的爬虫,并且在下面这几个地方做了调整。
1、分析URL的策略
2、增加了日志记录功能,方便事后查看爬取的过程
3、解决了爬取新闻页面时的分页内容问题
3、输出爬取结果到文件的方式增加了两个功能
(a).输出的内容进行了美化
(b).可以分批次输出文件
下一步可以扩展的功能:
1、多线程方式爬取
2、增加两个模块可以方便的配置URL的解析策略、以及爬取内容数据的解析策略
相关课程